Claude Code 是 Anthropic 的 AI 工具,可協助處理程式工作,也能用於整理舊系統文件。對不寫程式的同事而言,它的實際意義是:協助技術團隊把難以接手的系統資料整理成可供查閱的說明,讓交接有更清楚的起點。
但介紹工具時常見的「很快上手」「節省很多時間」,各自代表甚麼?可以從 Anthropic 的政府合作公告及使用案例入手,學習分開判讀能力、使用條件與成果證據。以下依據研究包提供的有限原文摘錄,並非 Fluent AI HK 實測。
公告提到,一名美國州政府 IT 主管使用 Claude Code,為十二個舊程式庫整理文件、梳理四百六十七個資料庫資料表,並標記二十七項風險。「程式庫」可理解為集中保存系統程式的地方;「資料表」則按欄位存放記錄,例如產品編號、名稱及數量。
由這個案例,可以理解三個具體用途:
- 補充系統文件:把缺乏說明的舊程式整理成文字,讓接手者有資料可查。仍須由熟悉系統的人核對內容。
- 梳理資料表:協助團隊掌握系統涉及哪些資料表。表名只是線索,實際用途要對照系統確認。
- 整理風險線索:把工具標記的問題交給技術人員檢查。「標記二十七項」不能直接理解為已證實二十七個漏洞,更不能當作已完成修補。
這三種用途都涉及技術資料。非技術同事可以先列出交接時需要知道的問題,再請開發團隊評估哪些資料適合交給工具處理。
公告另有一組猶他州開發者試行數據:三十四名開發者、來自十個州政府機構;八成在三十分鐘內建立可用的工作環境,七成一報告在四星期試行結束時節省二十小時或以上。
閱讀時,先把這兩個數字拆開。三十分鐘描述的是工作環境建立進度,沒有說明參與者已能獨立完成複雜任務。四星期的工時數字則是參與者報告的結果;摘錄沒有交代如何記錄時間、有多少人回答,或是否計入檢查及返工。
因此,這些資料支持「該次試行有人報告節省時間」,卻不足以推出「任何團隊都會有同樣效果」。參與者本來就是開發者,也不能把他們的設定速度直接套用到完全沒有技術背景的人。
另一個容易混淆的地方是產出數量。文件涵蓋十二個程式庫,說明工作涉及的範圍;文件是否完整、接手者能否靠它找到答案,仍要另行檢查。這是編輯根據文件整理案例提出的評估方向,並非公告已提供的品質測試結果。
讀者可以先做一個不用操作工具的核對練習:把上述介紹分成三欄筆記,分別寫下「做了甚麼」「在甚麼條件下」「有甚麼證據」。例如,把「節省二十小時或以上」放進證據欄時,同時補上「參與者報告、四星期試行」。再檢查自己有沒有不小心改寫成保證。
若工作上正準備舊系統交接,可與技術同事設計以下小型試行。這是評估方法示範,並非已取得的成果:
- 限定範圍:先選一小部分可供處理的程式及相關文件,寫清楚要回答的交接問題,例如「這部分系統負責甚麼?」。
- 保留核對依據:請技術同事檢查整理結果,指出每項說明對應哪些程式或原有文件,並記下仍欠缺的資料。
- 檢查是否實用:讓另一名同事依說明尋找答案,記錄找到、找不到及容易誤解的地方。
- 計入完整工時:把準備資料、生成、核對及修正的時間一起記錄,再與原有做法比較。
這樣得到的證據,比只看生成速度更貼近團隊需要。即使第一份說明很快完成,若之後需要大量修正,也應計入評估;反過來,若文件讓接手者更容易找到答案,也值得另行記錄。
實際開始前,團隊還須核對適用帳戶、費用,以及哪些資料可以交給工具處理。這份來源聚焦美國政府合作安排,未提供香港一般帳戶的完整操作資料,不能據此編寫開通教學。
認識 AI 的下一步,可以由一次小型、可核對的任務開始:先訂問題,再檢查結果,最後判斷是否值得繼續使用。想建立工具選擇與核實結果的基礎,可參考 Fluent AI HK 的免費十二章 AI 課程。

一起討論
社群登入後分享你的做法或問題;留言經審核後公開。
登入後留言